Identifying cognitive impairment in older adults using machine learning on combined fNIRS and motion data during an upper extremity dual task function
Cette étude démontre qu'un modèle de machine à vecteurs de support utilisant des données combinées de fNIRS et de mouvement issues d'une fonction de double tâche du membre supérieur peut classer efficacement les personnes âgées présentant un déclin cognitif précoce, atteignant une précision de 76 % et un ROC-AUC de 0,86.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que votre cerveau est une ville bouillonnante, et que chaque fois que vous pensez ou bougez, de petits feux de signalisation clignotent dans différents quartiers. Normalement, dans une ville saine, ces feux se coordonnent harmonieusement. Mais quand la ville commence à s'embrouiller avec les premiers signes de démence, les schémas de circulation deviennent bizarres avant même que les bâtiments eux-mêmes (votre mémoire ou votre personnalité) ne commencent à s'effondrer.
Une équipe de chercheurs de l'Université Rutgers a décidé de devenir des « détectives de la circulation » pour voir s'ils pouvaient repérer ces schémas bizarres précocement. Ils n'ont pas utilisé de gigantesques et bruyantes machines d'IRM qui donnent l'impression d'être coincé dans un tube métallique. À la place, ils ont utilisé un appareil portable, semblable à un chapeau, qui projette une lumière proche infrarouge sûre à travers le cuir chevelu (comme une veilleuse haute technologie) pour observer le flux sanguin dans le cerveau, et ils ont fixé de minuscules capteurs de mouvement ultra-sensibles sur les bras des participants.
La Grande Expérience : La Danse du « Comptage de Bras »
Ils ont réuni 7 kuls d'adultes plus âgés, divisés en deux groupes : 43 qui étaient mentalement vifs (appelons-les l'« Équipe Super-Vigoureuse ») et 32 qui présentaient des signes de déclin cognitif (l'« Équipe Brouillée »). L'âge moyen des deux groupes était d'environ 75 ans.
Voici l'astuce qu'ils ont utilisée : ils ont demandé à tout le monde de rester immobile pendant 3 minutes (juste pour se détendre), puis, pendant les 3 minutes suivantes, ils devaient faire deux choses à la fois. C'était une « tâche double » qui ressemblait à une danse bizarre :
- Le Mouvement du Bras : Fléchir le coude droit de haut en bas à son propre rythme.
- Le Mouvement du Cerveau : Compter à rebours par trois à voix haute (par exemple 100, 97, 94...) en partant d'un grand nombre aléatoire.
Voyez cela comme essayer de taper du pied sur un rythme tout en récitant l'alphabet à l'envers. C'est simple, mais cela force votre cerveau à jongler avec deux tâches simultanément.
Les Indices Qu'ils Ont Trouvés
Les chercheurs n'ont pas seulement écouté le comptage ; ils ont analysé les données comme un détective cherchant des empreintes digitales. Ils ont trouvé deux types principaux d'indices qui permettaient de distinguer l'« Équipe Super-Vigoureuse » de l'« Équipe Brouillée » :
- L'Indice du « Bras Tremblant » : Les capteurs de mouvement mesuraient la régularité des mouvements du bras. Les chercheurs ont découvert que l'« Équipe Brouillée » présentait plus de « bruit » ou de caractère aléatoire dans ses mouvements de bras. C'est comme comparer une attraction de montagnes russes fluide à un trajet cahoteux. Plus le mouvement du bras était imprévisible (mesuré par ce qu'on appelle l'entropie de l'échantillon), plus la probabilité que la personne souffre d'un déclin cognitif était élevée.
- L L'Indice du « Trafic Cérébral » : Le chapeau fNIRS observait la partie avant du cerveau (le cortex préfrontal antérieur), qui est comme le « PDG » du cerveau pour la planification et le multitâche.
- État de Repos : Même lorsque les gens restaient simplement assis, l'« Équipe Brouillée » présentait un schéma de trafic étrange. Les connexions cérébrales étaient moins efficaces (moins de routes directes entre les quartiers) mais présentaient certains points de concentration (« hubs ») anormalement occupés qui tentaient trop fort de tout connecter.
- La Tâche : Lorsque l'équipe a commencé la danse du comptage de bras, l'« Équipe Brouillée » commettait également plus souvent des erreurs de calcul.
Le Détective Informatique
Les chercheurs ont injecté tous ces indices dans trois types différents de « détectives » informatiques (modèles d'apprentissage automatique ou machine learning) pour voir lequel parviendrait le mieux à deviner qui appartenait à quel groupe.
- Détective 1 (Régression Logistique) : Un détective classique et direct.
- Détective 2 (Machine à Vecteurs de Support ou SVM) : Un détective de haute technologie, très doué pour trouver des schémas complexes dans des données désordonnées.
- Détective 3 (Arbres de Décision Emballés ou Bagged Decision Trees) : Un détective qui pose une série de questions par oui ou par non pour prendre une décision.
Le Verdict
Les résultats sont prometteurs, mais ne constituent pas un remède miracle. Le détective SVM a été le plus efficace dans sa tâche. Testé de nombreuses fois (en utilisant une méthode appelée validation croisée à 10 plis, répétée 300 fois pour être certain), le modèle SVM a vu juste environ 75,50 % du temps. Il présentait un score (appelé score F1) de 68,91 et une forte capacité à distinguer les groupes (AUC de 85,57).
Les autres détectives étaient corrects, mais moins performants. Le détective des Arbres de Décision était le plus faible, ne trouvant la bonne réponse que 69,59 % du temps.
Ce Que Cela Signifie (Et Ce Que Cela Ne Signifie Pas)
L'article suggère qu'en combinant une tâche simple de mouvement de bras avec un chapeau de scanner cérébral et un ordinateur intelligent, on pourrait disposer d'un nouveau moyen objectif de détecter la démence précoce. C'est comme avoir un voyant « vérifiez votre moteur » pour le cerveau qui s'allume avant que la voiture ne tombe réellement en panne.
Cependant, les auteurs prennent garde à ne pas dire qu'il s'agit d'un produit fini. Ils soulignent plusieurs points :
- C'est une Suggestion, Pas une Loi : L'étude suggère que cette méthode fonctionne, mais elle n'est pas encore un diagnostic garanti.
- La Taille de l'Échantillon : Ils n'ont examiné que 75 personnes. Bien que ce soit un bon début, les auteurs admettent qu'un groupe plus important rendrait les résultats plus fiables.
- Toutes les Démences ne Sont Pas Pareilles : L'étude n'a pas séparé les différents types de démence (comme la maladie d'Alzheimer par rapport à la démence vasculaire). Ils ont simplement regroupé tous ceux présentant un « déclin ». Les travaux futurs devront déterminer si cette méthode peut distinguer les types spécifiques.
- Pas de Risque de Chute : Contrairement à d'autres tests qui demandent aux gens de marcher (ce qui peut être risqué pour les personnes âgées), ce test se fait en position assise, ce qui le rend plus sûr et plus facile à utiliser en clinique.
En résumé, les chercheurs ont découvert une façon ludique, sûre et étonnamment précise de jeter un coup d'œil au système de circulation du cerveau en utilisant une simple danse de bras et un ordinateur. C'est une étape porteuse d'espoir pour détecter la démence précocement, mais le voyage pour en faire un outil standard pour les médecins est encore en cours.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.